SMILE Serve: JVM 기반의 프로덕션용 통합 AI 추론 서버 가이드

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

SMILE Serve는 자바 가상 머신(JVM) 환경에서 다양한 머신러닝 모델을 배포할 수 있도록 설계된 프로덕션급 추론 서버입니다. Quarkus 프레임워크를 기반으로 구축되어 클래식 머신러닝(.sml), ONNX 포맷 모델, 그리고 Llama 3 기반의 LLM 채팅 기능을 단일 프로세스에서 제공합니다. Docker 이미지나 GraalVM 네이티브 바이너리 형태로 배포 가능하며, REST API와 함께 React 기반의 웹 UI를 내장하여 모델 테스트와 채팅 인터페이스를 즉시 사용할 수 있습니다. 특히 대량의 데이터를 처리하기 위한 SSE(Server-Sent Events) 기반 스트리밍 추론과 대화 이력 저장을 위한 데이터베이스 연동 기능을 갖추고 있어 실무 도입에 적합합니다.

배경

Java 21 이상, Docker 및 Gradle 기본 사용법, 머신러닝 모델(SML, ONNX) 및 LLM에 대한 기본 이해

대상 독자

자바 생태계에서 머신러닝 및 LLM 모델을 프로덕션 환경에 배포하려는 백엔드 엔지니어 및 MLOps 개발자

의미 / 영향

이 프로젝트는 파이썬 중심의 AI 배포 환경을 자바/JVM 생태계로 확장하여, 기존 엔터프라이즈 인프라와의 통합을 용이하게 합니다. 특히 고성능 Quarkus 프레임워크를 사용하여 LLM과 클래식 ML을 동시에 서빙함으로써 인프라 복잡도와 운영 비용을 절감하는 효과를 제공합니다.

섹션별 상세

SMILE Serve는 클래식 ML, ONNX, LLM이라는 세 가지 핵심 추론 기능을 통합하여 제공합니다. 각 기능은 전용 API 엔드포인트를 가지며, 직렬화된 SMILE 모델이나 범용 ONNX 모델을 자동으로 감지하여 로드합니다. 이를 통해 개발자는 서로 다른 프레임워크로 학습된 모델들을 하나의 서버 인프라에서 관리할 수 있습니다. 자바 생태계 내에서 머신러닝 모델 배포의 복잡성을 크게 낮추는 효과가 있습니다.

클래식 ML API는 .sml 파일을 통해 랜덤 포레스트, SVM 등의 알고리즘 추론을 지원합니다. 모델 로드 시 입력 스키마를 자동으로 분석하며, 단일 JSON 요청뿐만 아니라 CSV 및 JSON-lines 형식의 대용량 스트리밍 추론을 지원합니다. 내부 테스트 결과 SSE 방식을 통해 데이터 행마다 실시간으로 예측값과 확률을 반환할 수 있음이 확인됐습니다. 이는 실시간 데이터 파이프라인에서 지연 시간을 최소화하며 대량의 예측을 수행하는 데 유리합니다.

bash

docker run -it \
 -v /path/to/model/folder:/model \
 -p 8888:8080 \
 ghcr.io/haifengl/smile-serve:latest

Docker를 사용하여 SMILE Serve를 빠르게 실행하고 로컬 모델 디렉토리를 마운트하는 방법

ONNX 추론 API는 PyTorch나 TensorFlow에서 내보낸 모델을 SMILE의 네이티브 ONNX 런타임 바인딩을 통해 실행합니다. 서버는 모델의 입력 노드 형태(Shape)를 자동으로 분석하며, 동적 차원(-1)이 포함된 경우 입력 데이터 길이에 맞춰 형상을 자동으로 결정합니다. 실제 사용 시 복잡한 텐서 구조를 JSON 배열로 전달하면 서버가 내부적으로 적절한 ORT 텐서를 생성하여 처리합니다. 다양한 딥러닝 프레임워크 모델을 자바 환경에서 일관된 방식으로 서빙할 수 있게 합니다.

bash

curl -X POST http://localhost:8080/api/v1/models/iris_random_forest-1 \
 -H "Content-Type: application/json" \
 -d '{ "sepallength": 5.1, "sepalwidth": 3.5, "petallength": 1.4, "petalwidth": 0.2 }'

JSON 객체를 사용하여 클래식 머신러닝 모델에 단일 추론 요청을 보내는 예시

Llama 3 기반의 LLM 채팅 API는 OpenAI와 호환되는 인터페이스를 제공하여 기존 앱과의 연동이 용이합니다. SentencePiece 토크나이저와 GPU 가속을 지원하며, 대화 내용을 PostgreSQL 등의 관계형 데이터베이스에 자동으로 저장하고 관리합니다. 최대 4096 토큰의 시퀀스 길이를 지원하며 온도 조절 및 Nucleus 샘플링과 같은 생성 옵션을 제공합니다. 기업 내부의 온프레미스 환경에서 보안을 유지하며 생성형 AI 서비스를 구축하는 데 적합한 구조를 갖추고 있습니다.

실무 Takeaway

Quarkus와 GraalVM을 활용하여 SMILE Serve를 네이티브 바이너리로 빌드하면 밀리초 단위의 빠른 시작과 낮은 메모리 점유율로 마이크로서비스 환경에 최적화할 수 있다.
반복적인 대량 데이터 예측이 필요한 경우 단일 API 호출보다 SSE 기반 스트리밍 엔드포인트를 사용하여 네트워크 오버헤드를 줄이고 처리량을 극대화할 수 있다.
LLM 기능을 사용할 때는 PostgreSQL 데이터베이스를 연동하여 대화 이력을 영구 저장하고, 내장된 React UI를 통해 별도의 프론트엔드 개발 없이 즉시 챗봇 서비스를 테스트할 수 있다.

언급된 리소스

GitHubSMILE Serve GitHub Repository

문서Quarkus Native Build Guide